背包问题——完全背包
2017-04-28 16:59
232 查看
问题描述
有N种物品和一个容量为W的背包,每种物品都有无限件可用。第i种物品的重量是w[i],价值是v[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
dp[i][j]=max{dp[i - 1][j - k*w[i]] + k * v[i] | 0<=k*c[i]<=v}
代码如下:
这里的时间复制度达到了O(nW^2),很明显不好,因为在dp[i+1][j]的计算中选择k个情况,和在dp[i+1][j-w[i]]的计算中选择k-1个情况是相同的,即其中有一些情况是多次计算。
那么就可以优化成二重循环:
01背包我们使用了一维数组进行滚动更新,回想一下01背包中是按照 j = W …. 0 的顺序递推的,那么完全背包可以吗?其实也是可以的,并且是按照与01背包相反的顺序j = 0 … W递推的。
分析:
在01背包中,我们需要确保第i次循环的dp[j] 是由状态 dp[i-1][j-w[i]]递推而来的(接下来参考《背包九讲》的分析:01背包的循环顺序正是为了保证每件物品只选一次,保证在考虑“选入第i件物品”这件策略时,依据的是一个绝无已经选入第i件物品的子结果dp[i-1][j-w[i]]。而现在完全背包的特点恰是每种物品可选无限件,所以在考虑“加选一件第i种物品”这种策略时,却正需要一个可能已选入第i种物品的子结果dp[i][j-w[i]],所以就采用j=0..W的顺序循环)。
代码如下:
有N种物品和一个容量为W的背包,每种物品都有无限件可用。第i种物品的重量是w[i],价值是v[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
分析
和01背包不同的是,物品是无限件,从选择物品的角度看,它不再像01背包那样,有两种选择:选or不选, 它可以选0件、1件、2件……等等,所以我们按照01背包的状态转移思想我们便可以有这样的状态转移方程:dp[i][j]=max{dp[i - 1][j - k*w[i]] + k * v[i] | 0<=k*c[i]<=v}
代码如下:
#include<cstdio> #include<algorithm> using namespace std; const int maxn = 100+10; int w[maxn],v[maxn]; int N,W; int dp[maxn][maxn]; void solve() { for(int i=0; i<N; i++) { for(int j=0; j<=W; j++) { for(int k=0; k*w[i]<=j; k++) { dp[i+1][j] = max(dp[i+1][j], dp[i][j-k*w[i]]+k*v[i]); } } } printf("%d\n",dp [W]); } int main() { scanf("%d%d",&N,&W); for(int i=0; i<N; i++) { scanf("%d%d",&w[i], &v[i]); } for(int i=0;i<N;i++) dp[0][i]=0; solve(); return 0; }
这里的时间复制度达到了O(nW^2),很明显不好,因为在dp[i+1][j]的计算中选择k个情况,和在dp[i+1][j-w[i]]的计算中选择k-1个情况是相同的,即其中有一些情况是多次计算。
那么就可以优化成二重循环:
#include<cstdio> #include<algorithm> using namespace std; const int maxn = 100+10; int w[maxn],v[maxn]; int N,W; int dp[maxn][maxn]; void solve() { for(int i=0; i<N; i++) { for(int j=0; j<=W; j++) { if(j < w[i]) { dp[i+1][j] = dp[i][j]; } else{ dp[i+1][j] = max(dp[i][j], dp[i+1][j-w[i]]+v[i]); } } } printf("%d\n",dp [W]); } int main() { scanf("%d%d",&N,&W); for(int i=0; i<N; i++) { scanf("%d%d",&w[i], &v[i]); } for(int i=0;i<N;i++) dp[0][i]=0; solve(); return 0; }
01背包我们使用了一维数组进行滚动更新,回想一下01背包中是按照 j = W …. 0 的顺序递推的,那么完全背包可以吗?其实也是可以的,并且是按照与01背包相反的顺序j = 0 … W递推的。
分析:
在01背包中,我们需要确保第i次循环的dp[j] 是由状态 dp[i-1][j-w[i]]递推而来的(接下来参考《背包九讲》的分析:01背包的循环顺序正是为了保证每件物品只选一次,保证在考虑“选入第i件物品”这件策略时,依据的是一个绝无已经选入第i件物品的子结果dp[i-1][j-w[i]]。而现在完全背包的特点恰是每种物品可选无限件,所以在考虑“加选一件第i种物品”这种策略时,却正需要一个可能已选入第i种物品的子结果dp[i][j-w[i]],所以就采用j=0..W的顺序循环)。
代码如下:
#include<cstdio> #include<algorithm> using namespace std; const int maxn = 100+10; int w[maxn],v[maxn]; int N,W; int dp[maxn]; void solve() { for(int i=0; i<N; i++) { for(int j=w[i]; j<=W; j++) { dp[j] = max(dp[j], dp[j-w[i]]+v[i]); } } printf("%d\n",dp[W]); } int main() { scanf("%d%d",&N,&W); for(int i=0; i<N; i++) { scanf("%d%d",&w[i], &v[i]); } solve(); return 0; }
相关文章推荐
- 背包问题总结第三讲——完全背包问题
- P02: 完全背包问题(转)
- ACM HDU 1114 Piggy-Bank (完全背包问题)
- 背包问题——“完全背包”详解及实现(包含背包具体物品的求解)
- P02: 完全背包问题
- 完全背包问题
- 0-1背包问题与完全背包问题C++实现 动态规划
- 背包问题总结(0-1背包+完全背包+多重背包)
- hdu 1284 钱币兑换问题 完全背包
- 完全背包问题、、、
- 背包问题教程-01背包,完全背包,多重背包,混合背包
- 背包问题总结(0-1背包+完全背包+多重背包)
- 完全背包问题
- USACO Score Inflation,完全背包问题
- 背包问题--POJ 1252 Euro Efficiency【完全背包】
- 完全背包问题
- 完全背包问题
- tyvj 1214 硬币问题 完全背包 恰好 最大/最少
- 背包问题系列之完全背包
- 背包问题——“01背包”及“完全背包”装满背包的方案总数分析及实现